dsh-math-team

DSH 数学建模团队插件包

> 🌍 **English**: [README_en.md](README_en.md) — bilingual docs: [team-collaboration.md](docs/team-collaboration.md) · [vision-subagent.md](docs/vision-subagent.md) · [attribution.md](docs/attribution.md) · [sample-run.md](docs/sample-run.md) 面向 **DeepSeek Harness** 的团队化数学建模工作流插件包。把参考成熟数学建模 Skill 仓库的方法论，整理成 **2 套可直接安装的 Agent 预设（preset）**，配合团队 **Gitee/GitHub 多文件夹协同**，实现多人在各自独立工作区互不干扰地协作完成数学建模竞赛题。 本仓库挂载于 GitHub Topic：**dsh-plugin**。

这是什么

在 DeepSeek Harness 中，一个 **Agent 预设（preset）**就是一套岗位配置：包含 persona（角色职责）、可用的工具集、以及随预设安装的 **Skills**（岗位能力文档）。每个会话选择某个预设，就获得了该岗位的全部能力。 本包提供 **2 套岗位预设**： | 预设目录 | 岗位 | 面向 | 核心能力 | |---|---|---|---| | presets/model-code | 建模+编程 Agent | 2 名建模编程成员（共用） | 题目分析与建模、Python/MATLAB 求解、结果与图表产出、复现清单；含建模手/编程手/算法资料/可视化文档 | | presets/paper | 论文 Agent | 1 名论文成员 | 论文撰写（Word/LaTeX）、证据检索核验、独立评审质检门禁；含论文手/获奖评审/证据检索文档 |

每套预设包含

- agent.cordis.yml — Harness 能力基线（源自部署的 cordis 预设，含 shell / fs / jobs / 子代理协作 / 网页搜索 / skill 加载等） - preset.yml — 预设元数据（名称、描述） - skills/<name>/SKILL.md — 岗位主技能（职责、流程、质量门禁、协同规则） - skills/<name>/references/ — 随预设安装的方法论文档（按需加载）

关键特性

- **团队协同**：预设内置"Gitee 仓库三独立文件夹"协同协议（member-a/ member-b/ member-c/），各成员只提交自己文件夹，互不干扰 - **质量门禁**：建模终检 M1 / 最小可运行 P1 / 编程终检 P2 / 证据大纲 W1 / 论文终检 W2 - **识图子代理**：当主模型不支持图像输入时，用 workflow 派生一个**当前环境可用的视觉模型**子代理审查图表（自动探测 inputModalities 含 image 的模型，本环境已验证 opencode-go/mimo-v2.5，但不硬编码模型名）

可复用全局 skill

仓库自带一个可做**全局 skill** 安装的目录（放到 DSH 共享用户 skill 根，任何预设都能发现）： - skills/vision-subagent/ — 识图子代理（视觉质检）。安装： ``bash # 复制到 DSH 共享用户 skill 根，任意预设会话自动发现 cp -R skills/vision-subagent ~/.agents/skills/vision-subagent # Windows: # Copy-Item -Recurse .\skills\vision-subagent "$env:USERPROFILE\.agents\skills\vision-subagent" ` DSH 的 dsh-skill-filesystem 会扫描 ~/.agents/skills/、~/.dsh/skills/、项目 .dsh/skills 等共享根，放好后即被自动发现，无需改配置。

安装

前提

- 已安装 DeepSeek Harness（dsh） - 关闭 dsh 进程，或安装后重启会话使其生效

方式一：一键安装脚本（推荐）

把 presets/ 复制到本机用户预设根目录： `powershell

Windows

Copy-Item -Recurse .\presets\model-code "$env:USERPROFILE\.dsh\.agent-presets\model-code" Copy-Item -Recurse .\presets\paper "$env:USERPROFILE\.dsh\.agent-presets\paper" ` `bash

macOS / Linux：复制到 $HOME/.dsh/.agent-presets/

mkdir -p "$HOME/.dsh/.agent-presets" cp -R presets/model-code presets/paper "$HOME/.dsh/.agent-presets/" `

方式二：手动复制

将 presets/model-code 与 presets/paper 两个文件夹原样放入 ~/.dsh/.agent-presets/，保持目录名不变。

验证安装

重启 dsh 并新开会话，预设选择器中应出现 **建模编程 Agent** 与 **论文 Agent**。用 agentPresets 服务可校验挂载： `js await agentPresets.standingKeyFor('model-code') // 不抛错即成功 await agentPresets.standingKeyFor('paper') `

快速开始（团队协同模式）

1. 在 Gitee/GitHub 建一个空私有仓库（团队共享） 2. 首次 clone 后按 docs/团队协同.md 初始化 member-a/ member-b/ member-c/ 三文件夹基线 3. 2 名成员开 model-code 预设会话在各自独立工作区 clone，分别产出建模+编程交付物到自己的 member-* 文件夹并 push 4. 论文成员开 paper 预设会话，git pull 拉取 A、B 交付物，在 member-c/ 撰写论文并 push 5. 全程只提交自己那个 member-* 文件夹，互不干扰 各岗位的开工口令模板见 docs/团队协同.md。

文档

- [团队协同说明](docs/团队协同.md) — 三文件夹协同协议、交接契约、各岗位开工口令 - [识图子代理](docs/识图子代理.md) — 主模型不读图时的视觉审查方案 - [方法论来源](docs/方法论来源.md) — 两套预设吸收的参考仓库内容清单 - [示例题目全流程跑通记录](docs/示例题目全流程跑通记录.md) — 用 2023 国赛 C 题真实跑通「建模→论文→评审」完整链路的验证记录 **English docs**: [team-collaboration.md](docs/team-collaboration.md) · [vision-subagent.md](docs/vision-subagent.md) · [attribution.md](docs/attribution.md) · [sample-run.md](docs/sample-run.md)

示例展示

用 2023 高教社杯 C 题真实跑通的成果展示（完整链路与数据见 [全流程跑通记录](docs/示例题目全流程跑通记录.md)）： - [论文示例 examples/论文示例.pdf](examples/论文示例.pdf) — 33 页成稿论文（XeLaTeX 编译 + 18 幅正式图） - examples/figures/` 收录 15 幅成果图，涵盖 **原始数据(raw) / 建模过程(process) / 最终结果(result)** 三阶段，覆盖 Q1–Q3 全部子问题： **Q1 品类/单品销量分布与关系**   | | | |---|---| |  |  | | **季节因子**（夏/春节双高） | **周内因子**（周末高峰） | | | | |---|---| |  |  | | **品类聚类** | **原始日销量时序** | **Q2 品类量价与补货定价**  | | | |---|---| |  |  | | **价格弹性估计** | **品类成本加成定价** | **Q3 单品补货与定价** | | | |---|---| |  |  | | **入选单品补货量** | **单品收益** | | | | |---|---| |  |  | | **单品定价** | **满足率-收益灵敏度** |

方法论来源

本包的岗位方法论文档整理自（仅文档，脚本/工具源码未搬运）： - https://github.com/XiaoMaColtAI/math-modeling-skill — 三阶段工作流（建模/编程/论文）、质量门禁、算法资料、科学可视化规范、复现清单 - https://github.com/sweetcornna/mathodology — 获奖评审门禁（盲评/有界迭代）、证据检索、完整工作流方法论

License

MIT（最宽松许可证，仅要求保留版权声明）